arXiv · NLP· Yueying Li, Jingxuan Fan, Kiant\'e Brantley, Sham M. Kakade, Hanlin Zhang·· 2026-10-12AI 评分38
无监督多模态奖励建模:基于冻结 Qwen3-VL 的线性探针方法
Unsupervised Multimodal Reward Modeling
AI 导读
研究提出一种无监督多模态奖励建模方法,利用冻结的 Qwen3-VL backbone 的中间层线性头,通过对比同图扰动版与原版 web caption 进行训练,无需人工偏好标签。
来源:arXiv · NLP · arxiv.org